--- license: mit task_categories: - question-answering - text-classification language: - en tags: - telecommunications - telecom - 3gpp - 5g - benchmarks - evaluation - llm pretty_name: Open Telco Ful

Hugging Face2026-03-26 更新160

Fujitsu-FRE/MAPS_Verified

AI性能评估

多语言处理

这是一个首个多语言代理AI性能和安全评估基准，包含550个GAIA任务、660个ASB任务、737个MATH任务和1100个SWE任务，每个任务都翻译成10种目标语言，共有约3000个多语言任务。数据集通过混合机器生成和人工验证的流程创建，以确保在十种不同语言中的一致性和意图的忠实性。

Hugging Face2025-06-03 更新110

thesven/TigerMath-Evaluated

数学教育

AI性能评估

TigerMath-Evaluated数据集包含101,000行来自TIGER-Lab/MathInstruct数据集的4-5年级数学问题回答，这些回答通过Prometheus V2模型进行评分。数据集的特征包括原始来源、回答、指令、反馈和评分。该数据集的目的是支持教育AI和自动评分系统的研究和开发。

Hugging Face2024-07-18 更新530

kevindenight/gdpval-gpt5-fork

AI性能评估

任务自动化

这是一个增强版的数据集，名为GDPval Fork with GPT-5 Results，它是基于原始的OpenAI GDPval数据集，并包含了GPT-5模型在真实世界专业任务上的执行结果。数据集总共包含220个任务，其中有39.5%的任务由AI完成，并生成了492个以上的专业文件。这些文件包括业务报告、技术文档、财务模型、医疗协议等，涵盖了9个行业领域和44种职业。数据集的结构包括训练数据文件

Hugging Face2025-10-22 更新130

Google-Fast or Slow?tile-xla test data csv format

资源简介：

相关数据集